建立ARIMA模型，所有参数可调整，python代码

下面是建立ARIMA模型的Python代码，其中ARIMA模型的参数可通过调整来优化模型的表现：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.arima_model import ARIMA

# 读取数据
data = pd.read_csv('data.csv', index_col='Date', parse_dates=True)

# 拆分数据
train_data = data[:'2019']
test_data = data['2020':]

# 建立ARIMA模型
model = ARIMA(train_data, order=(3, 1, 2))
result = model.fit(disp=False)

# 预测未来数据
start_index = len(train_data)
end_index = len(train_data) + len(test_data) - 1
pred = result.predict(start=start_index, end=end_index, typ='levels')

# 绘制预测结果和实际值
plt.plot(test_data)
plt.plot(pred, color='red')
plt.show()

其中，`data.csv`是要建立模型的数据文件，`train_data`和`test_data`分别为训练集和测试集，`order=(3, 1, 2)`表示建立的ARIMA模型为AR(3)、差分阶数为1、MA(2)的模型。在模型训练完成后，通过`predict`方法可以预测未来数据，并通过绘图展示预测结果和实际值的对比。